买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州医科大学附属妇女儿童医疗中心;华南理工大学申请的专利一种骨髓细胞少样本分类方法、系统及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118587704B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410739764.6，技术领域涉及：G06V20/69；该发明授权一种骨髓细胞少样本分类方法、系统及电子设备是由胡小燕;王伟凝;骆美鸽;周浩鑫;张晓红设计研发完成，并于2024-06-07向国家知识产权局提交的专利申请。

本一种骨髓细胞少样本分类方法、系统及电子设备在说明书摘要公布了：本发明公开了一种骨髓细胞少样本分类方法、系统及电子设备，方法包括：获取骨髓细胞数据集，构建少样本训练集和测试集建立基于文本多源生成选择的多尺度多模态少样本分类网络模型；根据所述少样本训练集对所述少样本分类网络模型进行训练，得到训练好的骨髓细胞分类网络模型；将测试的骨髓细胞图像输入所述骨髓细胞分类网络模型，得到骨髓细胞图像的预测类别，实现少样本训练情况下的骨髓细胞图像分类。本发明选择组织病理学预训练模型用于骨髓细胞分类，并设计文本多源生成选择模块，规范骨髓细胞各个类别的语义描述，进而提升了骨髓细胞少样本分类准确率，可广泛应用于计算机视觉技术领域。

本发明授权一种骨髓细胞少样本分类方法、系统及电子设备在权利要求书中公布了：1.一种骨髓细胞少样本分类方法，其特征在于，包括以下步骤： 获取骨髓细胞数据集，构建少样本训练集和测试集； 建立基于文本多源生成选择的多尺度多模态少样本分类网络模型；其中，所述少样本分类网络模型应用了组织病理学预训练模型，所述少样本分类网络模型增设了多源文本生成选择模块；所述多源文本生成选择模块用于生成输入网络的类别文本描述； 根据所述少样本训练集对所述少样本分类网络模型进行训练，得到训练好的骨髓细胞分类网络模型； 将测试的骨髓细胞图像输入所述骨髓细胞分类网络模型，得到骨髓细胞图像的预测类别，实现少样本训练情况下的骨髓细胞图像分类； 所述少样本分类网络模型包括文本特征提取器、图像特征提取器以及图文相似度分数计算模块； 所述文本特征提取器用于采用text-transformer模型提取文本特征； 所述图像特征提取器用于采用ViT-B16模型提取图像特征； 所述图文相似度分数计算模块用于采用特征点乘的方法得到文本和图像相似性分数； 所述多尺度多模态少样本分类网络模型包括原始图像尺度的分类分支和主体图像尺度的分类分支，所述主体图像由原始图像经过定位分割得到；所述原始图像尺度的分类分支用于提取图像的整体特征；所述主体图像尺度的分类分支用于提取图像的细节特征； 所述多源文本生成选择模块生成的所述类别文本描述包括由GPT-3大语言模型生成的单文本内容、由GPT-4大语言模型生成的文本和图像内容以及专业医学知识补充的内容； 所述多源文本生成选择模块通过挑选函数自适应地挑选和图像匹配的文本作为输入网络的类别文本描述； 其中，所述挑选函数的表达式为： 其中，代表所述挑选函数；、代表比例系数；代表每个类别的归一化图像特征；代表每个文本特征；代表计算两个不同文本的余弦相似度； 所述建立基于文本多源生成选择的多尺度多模态少样本分类网络模型，包括以下步骤： 将原始图像及对应文本送入多模态网络进行分类，从细胞图像全局方面得到预测结果； 将所述原始图像进行剪裁和放大得到主体图像； 将所述主体图像和对应文本送入所述多模态网络进行分类，从细胞图像细节方面得到预测结果； 将原始图像尺度的分类分支和主体图像尺度的分类分支结合，在少样本分类时通过集成学习得到最终分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州医科大学附属妇女儿童医疗中心;华南理工大学，其通讯地址为：510120 广东省广州市人民中路318号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。